通过多尺度的扩散和消灭聚合机制,扭转皮肤癌的对抗性例子
Yongwei Wang1, Yuan Li2, Zhiqi Shen3
1Shanghai Institute for Advanced Study, Zhejiang University, Shanghai 201203, China; Joint NTU-UBC Research Centre Of Excellence In Active Living For The Elderly, NTU, 50 Nanyang Avenue, 639798, Singapore.
Computers in biology and medicine
|August 12, 2023
概括
这项研究引入了一个防御框架,以保护皮肤癌诊断模型免受敌对攻击. 该方法有效地逆转图像干扰,提高诊断准确性和可靠性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 深度学习模型对于皮肤癌诊断至关重要.
- 这些模型容易受到对抗性攻击,从而降低性能.
- 敌对攻击涉及微妙的图像干扰,通常是不可察觉的.
研究的目的:
- 开发一个防御框架,对抗皮肤癌诊断模型的对抗性攻击.
- 提高计算机辅助诊断系统的可靠性和稳定性.
- 为了减轻对抗性干扰对模型性能的影响.
主要方法:
- 多尺度图像金字塔保留了医疗图像中的歧视性结构.
- 渐进扩散与同otropic高斯噪声中和对抗效应.
- 一种新型的多尺度消噪机制汇集了来自邻近尺度的信息,以逆转噪声.
主要成果:
- 提出的方法成功地逆转了各种攻击中的对抗性扰动.
- 根据ISIC 2019数据集进行评估,该框架显著超过了最先进的防御方法.
- 防御框架是资源高效的,有效地保持诊断准确性.
结论:
- 开发的防御框架为皮肤癌诊断中对抗攻击提供了简单有效的解决方案.
- 这种方法提高了医疗成像应用的深度学习模型的可靠性.
- 该方法有望提高人工智能驱动的诊断工具的安全性和可靠性.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.4K
10:39A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment
Published on: May 24, 2022
2.4K
